PREDIKSI HUJAN ANDALAN BERDASARKAN ZONA
dan Estiningtyas, 2008). Awal dan sifat musim (bawah normal/BN, normal/N dan atas normal/AN) di ZOM diprakirakan berdasarkan analisis fisik-dinamik atmosfer dan laut, serta statistik hujan 30 tahun terakhir (BMKG, 2012), dengan kriteria:
1. Awal MH: jika dalam satu dasarian jumlah curah hujannya > 50 mm dan diikuti oleh dua dasarian berikutnya atau dalam satu bulan > 150 mm.
2. Awal MK: jika dalam satu dasarian jumlah curah hujannya < 50 mm dan diikuti oleh dua dasarian berikutnya atau dalam satu bulan < 150 mm.
3. Sifat musim BN: jika nilai perbandingan jumlah curah hujan selama satu periode musim terhadap rata-ratanya < 85 %.
4. Sifat musim N: jika nilai perbandingan jumlah curah hujan selama satu periode musim terhadap rata-ratanya antara 85 β 115 %.
5. Sifat musim AN: jika nilai perbandingan jumlah curah hujan selama satu periode musim terhadap rata-ratanya > 115 %.
Pembangkitan data hujan dengan metode Thomas-Fiering (McMahon, 1986), yaitu:
π₯π₯ππ+1 = π₯π₯Μ ππ+1+ ππππ(π₯π₯ππβ π₯π₯Μ ππ) + π‘π‘ππ. π π ππ+1β(1 β ππππ2) (1) dengan:
xi+1, xi : data yang dibangkitkan dalam rentang waktu (i+l), π₯π₯Μ j+1, π₯π₯Μ j : rerata data dalam rentang waktu (j+l),
bj : kuadrat koefesien regresi untuk perkiraan data pada (j+l), ππππ = πππππ π ππ+1π π
ti : varian bilangan random untuk data distribusi normal, ππ
sj+l, sj : standar deviasi data dalam kurun waktu (j+l), rj : koefesien korelasi data antar periode.
Pendekatan prediksi hujan berdasarkan prakiraan musim diharapkan lebih realistis.
METODOLOGI STUDI
RAAT memuat rencana tata tanam tiap daerah irigasi setahun mendatang. Dalam BMKG (2012) prakiraan MH (Oktober-April) terbit Agustus, dan prakiraan MK (April-September) terbit Februari. Akibatnya, karena RAAT terbit September (sebelum musim tanam I), maka prakiraan MK didekati dengan prospek yang didapat dari modus iklim historis.
Hujan adalah hasil proses fisik dan perulangan. Prediksi hujan dapat dihasilkan dari sinkronisasi data terbangkit terhadap prakiraan musim di ZOM dan karakter data historis. Namun, sebelum prediksi, terlebih dahulu perlu diketahui kesesuaian prakiraan awal dan sifat musim di ZOM terhadap realisasi (BMKG memulai prakiraan musim di ZOM sejak 2012). Batas toleransi awal musim dapat bergeser -1 atau +1 dasarian dan sifat musim dapat bergeser -1 atau + 1 terhadap normal.
Dalam Hadihardaja (2005), akurasi nilai prediksi (xc) terhadap nilai realisasi observasi (xo) dihitung dengan kesalahan absolut relatif :
πΈπΈππππ = 1 ππ β ββπ₯π₯π₯π₯βπ₯π₯π₯π₯β
π₯π₯π₯π₯ β 100% (2)
Prosedur analisis (Gambar 1), yaitu: 1) ploting awal musim dan sifat musim tiap ZOM di tiap pos hujan, 2) pencarian karakteristik data historis, 3) pembangkitan data, 4) sinkronisasi pembangkitan data, 5) prediksi hujan andalan didapat, dan 6) penggambaran isohyet.
Gambar 1. Bagan alur prediksi hujan andalan
Studi dilakukan di WS Lombok (4738 km2, 197 DAS dengan 54 DAS utilitas, 10 ZOM) menggunakan data hujan dasarian tahun 2012/2013-2014/2015 di 17 pos hujan. Data lainnya berupa: 1) peta ZOM di WS (Gambar 2), 2) peta sebaran pos hujan di WS (Gambar 2), dan 3) prakiraan awal dan sifat musim di ZOM dan realisasinya. Data hujan dasarian tahun 1994 - 2015 dihimpun dari BMKG NTB, BWS NT I dan BISDA Dinas PU Prov NTB.
HASIL STUDI DAN PEMBAHASAN a. Uji prakiraan musim
Sebelum prediksi hujan tahun 2016/2017, dilakukan uji prakiraan musim 2012 β 2015, sesuai Tabel 1. Rentang prakiraan awal MH pada Okt III β Des III dengan sifat BN-AN. Sedangkan awal MK pada Apr I β Mei I dengan sifat BN-AN.
Adapun pada Tabel 2 rentang realisasi MH pada Okt II β Des III dengan siat BN- AN. Sedangkan awal MK pada Feb I-Jun II dengan sifat BN-AN.
Tabel 1. Prakiraan musim di ZOM (sumber: BMKG NTB)
Tabel 2. Realisasi musim di ZOM (sumber: BMKG NTB, 2016)
Sebagaimana bagan alur (Gambar 1), berdasarkan prakiraan musim pada Tabel 1 ditentukan nilai prediksi hujan di tiap pos. Demikian pula data realisasi hujan di tiap pos. Dari Tabel 1 dan Tabel 2 diketahui error awal MH 40% dan sifat MH 7%, sedangkan awal MK 67% sifat MK 13%. Perbedaan jelas terletak pada awal musim, khususnya MK.
b. Uji hujan prediksi dan skenario kering, normal dan basah
Prediksi hujan tahun 2012 -2015 dengan metode Thomas-Fiering (rumus 1) berdasarakan prakiraan BMKG (Tabel 1). Selanjutnya, dituangkan dalam bentuk isohyet pada Gambar 2 kemudian Tabel 3.
Berdasarkan data historis dari tiap pos hujan ditentukan hujan probabilitas dengan metode Weibull (ranking data). Pengurutan data dengan pendekatan basic month, didapat hujan skenario kering, normal dan basah tiap musim sebagaimana Tabel 4 berikut:
Awal Sifat Awal Sifat Awal Sifat Awal Sifat Awal Sifat Awal Sifat 220 DES II N APR II AN NOV II N APR III N NOV III N APR III BN 221 NOV II BN APR III N OKT III AN MEI I N NOV II BN APR III AN 222 NOV I N APR II N OKT III AN MEI I N NOV I N APR III AN 223 DES III N APR II BN DES II AN APR I N DES I N APR I N 224 DES II BN APR I N NOV II N MAR III N NOV III BN APR I N 225 DES II BN APR I AN NOV III AN APR III N NOV II BN APR II BN 226 NOV III N APR III AN NOV I AN APR III N NOV III N APR III N 227 DES I BN APR III N DES I AN APR III N NOV III BN APR II N 228 DES I N APR I N DES II N APR I N NOV III N APR II BN 229 NOV III BN APR II AN NOV III N APR I N NOV II BN APR II N
ZOM 2012 / 2013 2013 / 2014
MH MK MH MK 2014 / 2015
MH MK
Awal Sifat Awal Sifat Awal Sifat Awal Sifat Awal Sifat Awal Sifat 220 DES I BN MAR II AN OKT II N APR II BN NOV III N MEI II BN 221 DES I BN MAR II AN NOV II N MAR III BN NOV II N MEI II BN 222 NOV III BN APR III AN OKT II N FEB III BN OKT II BN MEI II BN 223 DES I N APR II AN DES I N FEB I BN DES III BN MEI I BN 224 DES II AN MAR II AN DES II N MAR III BN DES III BN MEI I AN 225 DES I BN APR III N NOV II BN MEI I BN NOV II BN MEI I BN 226 NOV III N JUN II AN NOV II N MEI I N NOV I N MEI II BN 227 DES I N APR II AN NOV II N MEI I AN NOV III N MEI II AN 228 DES II N APR III AN NOV III BN MAR III N DES I N MEI I BN 229 DES I N APR III AN NOV III BN MEI I BN NOV III BN MEI I BN
2014 / 2015
MH MK
2012 / 2013 2013 / 2014
MH MK MH MK
ZOM
Keterangan : 1. Gunung Sari 2. Ijo Balit 3. Jurang Sate 4. Kabul 5. Keru 6. Kuripan 7. Lingkok Lime 8. Loang Make 9. Mangkung 10. Pengadang 11. Perian 12. Pringgabaya 13. Rembitan 14. Santong 15. Sapit 16. Sepit 17. Sesaot
Gambar 2. Isohyet prediksi dan realisasi (rerata 2012-2015) di ZOM Tabel 3. Prediksi dan realisasi hujan tiap musim di ZOM (dalam mm)
Tabel 4. Hujan skenario kering, normal dan basah
Prediksi Realisasi Prediksi Realisasi Prediksi Realisasi Prediksi Realisasi Prediksi Realisasi Prediksi Realisasi
220 1037 1176 299 420 1185 1158 245 208 1023 977 231 224
221 1070 1256 326 461 1319 1201 275 308 1048 1096 288 241
222 1199 1210 361 457 1385 1275 315 312 1147 1193 346 300
223 1263 1591 402 580 1489 1306 305 324 1253 1346 337 365
224 1210 1588 305 560 1385 1234 270 319 1173 1312 287 334
225 946 1230 257 422 1132 1120 224 280 918 1120 221 232
226 1268 1541 385 588 1470 1333 317 689 1215 1364 319 328
227 1032 1367 325 480 1265 1210 259 403 988 1162 253 241
228 738 921 168 228 829 867 143 177 723 774 132 131
229 876 1066 255 344 1113 1028 210 177 869 931 209 167
2013 / 2014
MH MK 2014 / 2015
MH MK
ZOM MH 2012 / 2013 MK
Prediksi Realisasi
Dari Tabel 3 dan Tabel 4, kemudian dituangkan pada Tabel 5. Berdasarkan sifat musim, didapat error prediksi 7-17% pada MH (rerata 11%) dan 10-31% pada MK (rerata 20%). Error prediksi hujan lebih rendah dari error skenario hujan probabilitas, sesuai hipotesis yang diajukan di depan. Hal ini karena skenario probabilitas berdasarkan statistik. Sedangkan teknik prediksi hujan dalam studi ini memanfaatkan prakiraan musim BMKG.
Tabel 5. Error prediksi hujan dan hujan skenario kering, normal dan basah terhadap realisasi di ZOM.
Gambar 3 berikut menunjukkan perbandingan prediksi hujan dan hujan skenario probabilitas kering (dray, 80%), normal (50%) dan basah (wet, 20%) terhadap realisasi tiap ZOM.
Gambar 3. Prediksi hujan dan realisasi tiap ZOM b. Prediksi hujan andalan 2016/2017
Mengingat informasi prakiraan MK terbit pada Februari, harus ditentukan prospek MK digunakan sebagai prakiraan. Berdasarkan realisasi musim tahun 2002 β 2015 (14 tahun) ditentukan modus musim untuk prospek dimaksud pada Tabel 6. Secara umum awal MK pada Mar II β Apr III dengan sifat BN.
Error Prediksi Kering Normal Basah
MH 2012/2013 17% 35% 38% 80%
MK 2012/2013 31% 28% 85% 95%
MH 2013/2014 7% 48% 32% 78%
MK 2013/2014 20% 24% 78% 93%
MH 2014/2015 8% 55% 29% 77%
MK 2014/2015 10% 29% 74% 92%
RERATA MH 11% 46% 33% 78%
RERATA MK 20% 27% 79% 93%
Tabel 6. Modus MK di ZOM (sumber: BMKG NTB, 2016, diolah kembali)
Pada simulasi pembangkitan data menggunakan metode Thomas-Fiering akan dipilih/ditetapkan prediksi hujan sesuai prakiraan/prospek musim dan karakter data historis. Berdasarkan prakiraan MH yang terbit Agustus 2016 (BMKG, 2016) dan prospek MK akan diprediksi hujan dasarian 2016/2017. Rekapitulasi hasil prediksi hujan ditampilkan dalam jumlah MH 982-1470 mm dan MK 124-283 mm pada Tabel 7 dan dasarian pada Tabel 8 berikut. Rekapitulasi itu didapat dari analisis dan sinkronisasi tiap dasarian (ditampilkan dalam format musim) pada Tabel 9.
Tabel 7. Rekapitulasi prediksi hujan andalan 2016/2017 tiap ZOM
Gambar 4. Prediksi hujan andalan 2016/2017 dan probabilitas kering, normal dan basa
220221 222223 224 225226 227228 229
ZOM PRAKIRAAN MH AWAL SIFAT
2016 / 2017 2016 / 2017 2016 / 2017
NOV III
PROSPEK MK HUJAN ANDALAN (mm)
AWAL SIFAT MH MK
AN APR II BN 1199 162
NOV III AN NOV III AN NOV III AN
NOV I N
NOV I AN
APR II BN 1312 211
APR I BN 1262 229
NOV II N
NOV I N
NOV I N
NOV II N
BN 1194 224
APR III BN 1470 283
APR I BN 1389 264
APR II BN 1370 258
APR III BN 1093 181
JUMLAH (mm)
13611523 14911653 1628 14181753 15801106 1273
APR II AN 1331 249
MAR II BN 982 124
APR I
Tabel 8. Prediksi hujan andalan 2016/2017 tiap pos
KESIMPULAN DAN REKOMENDASI Kesimpulan:
a) Prakiraan/prospek awal dan sifat musim sangat mempengaruhi prediksi hujan yang dihitung dengan model pembangkitan data di pos hujan terlingkup ZOM.
Perbedaan jelas terletak pada awal musim, khususnya MK.
b) Pada hujan dengan skenario probabilitas memiliki error lebih besar, karena pada metode ini terdapat: i) peluang terjadi/tidak terjadi sama besar, ii) iii) kesamaan trend di tiap skenario, iv) nilai yang relatif tidak berbeda antar tahun, dan v) tanpa awal musim.
c) Penggunaan prospek untuk prediksi hujan MK memberikan error yang lebih besar daripada penggunaan prakiraan seperti MH.
Rekomedasi:
a) Menentukan prediksi hujan hendaknya berbasis prakiraan musim di ZOM.
b) Diharapkan BMKG dapat menerbitkan prakiraan MH dan MK sekaligus yaitu pada Agustus (sebelum memasuki tahun hidrologi). Di samping, perlu meningkatkan akurasi prakiraan awal musim, khususnya MK.
c) Melakukan studi serupa di wilayah non ZOM.
d) Menggunakan metode Artificial Neural Network (ANN) untuk kemungkinan hasil prediksi hujan yang lebih akurat.
e) Meratakan kepadatan pos hujan di tiap ZOM.
Tabel 9. Syarat batas dan hasil analisis hujan andalan 2016/2017 tiap pos
UCAPAN TERIMA KASIH
Terima kasih kepada anggota resimen β4Wβ : We_Walk_With_Water di Mataram yang telah membantu data dan masukan, sehingga tersusun makalah ini.
REFERENSI
Anonim, 2012. Prakiraan Musim Hujan 2012/2013 di Indonesia. BMKG, Jakarta.
Anonim, 2016. Prakiraan Musim Hujan 2016/2017 di Indonesia. BMKG, Jakarta.
Anonim, 2013. Kriteria Perencanaan Irigasi (KP Penunjang), halaman 17-22, Ditjen Sumber Daya Air, Dep PU, Jakarta.
Estiningtyas, Woro, dkk., 2008. Penyusunan Skenario Masa Tanam Berdasarkan Prakiraan Curah Hujan di Sentra Produksi Pangan, Jurnal Meteorologi dan Geofisika, Vol. 9 No.1 Juli 2008 : 41 β 53. ISSN 1411-3082 http://puslitbang.bmkg.go.id/jmg/index.php/jmg/article/viewFile/22/17
(diakses 5 Oktober 2016)
Hadihardaja.I.K, Sutikno.S., 2005. Aplikasi Metode Generalized Reduced Gradient Dalam Pemodelan Curah Hujan-Limpasan Menggunakan Artificial Neural Network (ANN). Media Komunikasi Teknik Sipil 37. ITB. Volume 13, No. 2, Edisi XXXII Juni 2005.
http://ejournal.undip.ac.id/index.php/mkts/article/view/3907/3589 (diakses 5 Oktober 2016)
McMahon, T.A, dan Mein, RG. 1986. River and Reservoir Yield. halaman 230 β 231, Water Resources Publication, Colorado, USA.
Hatmoko, W., Triweko , W., Yudianto, D., 2012. Sistem Pendukung Keputusan Untuk Perencanaan Alokasi Air Secara Partisipatoris Pada Suatu Wilayah Sungai, Jurnal Teknik Hidraulik, Puslitbang SDA. Vol 3 No 1. ISBN 2087- 361. Hal 71-86.
//www.academia.edu/12086929/sistem_pendukung_keputusan_untuk_
perencanaan_alokasi_air_secara_partisipatoris_pada_suatu_wilayah_sungai (diakses Februari 2016)
Pattanaik, D.R, Biswajit Mukhopadhyay, Arun Kumar. 2012. Monthly Forecast of Indian Southwest Monsoon Rainfall Based on NCEPβs Coupled Forecast System. Atmospheric and Climate Sciences, 2012, 2, halaman 479 - 491.
http://dx.doi.org/10.4236/acs.2012.24042 Published Online October 2012 (http://www.SciRP.org/journal/acs) (diakses 5 Oktober 2016)